4)、OR值的95%可信区间。

　　1：1配对资料的分析

　　1)、将暴露因素与疾病的资料整理成四格表形式

　　2)、配对χ2检验：χ2 = (b-c)ˆ2/(b+c)

　　3)、OR=c/b，即：对照非暴露 病例暴露/对照暴露 病例非暴露;

　　4)、OR值的95%可信区间;

　　5)、归因分值(Attributable fraction)AF

　　分层资料分析

　　分析疾病与暴露因素关系时，混杂因素影响结果正确推断，识别和控制混杂因素可采用分层分析。

　　(1)、分层资料的整理

　　(2)、按暴露与否分层，计算OR值;

　　(3)、进行齐性检验：OR值无明显差别，合并OR值;

　　OR值有显著差异，不能合并OR值。

　　三、效力

　　四、常见偏倚及其控制

　　1、选择偏倚

　　(1)、入院率偏倚(Berkson’s bias/Admission rate bias)：又称Berkson偏倚。是指利用医院就诊或住院病人为研究对象时，由于入院率的不同而造成的偏差。对照是医院的一部分病人，而不是全体目标人群的一个随机样本;病例只是医院的特定病例，因此病人对医院以及医院对病人双方都有选择性，病例组也不是全体病人的随机样本，难免产生偏倚。

　　(2)、现患病例-新发病例偏倚(Neyman bias/Prevalence-incidence bias)：又称Neyman偏倚。如果调查对象选自现患典型病例，所得信息很多可能只与存活有关，而未必与发病有关，会高估暴露因素病因作用;另外某病幸存者改变了生活习惯，会降低危险因素的水平。

　　(3)、检出征候偏倚(Detection signal bias)：即暴露偏倚。病人因某些在病因学上与某疾病本无关联的症状就医，提高了早期病例的检出率，从而过高地估计了暴露程度，产生的系统误差。

　　(4)、时间效应偏倚(Time effect bias)

　　2、信息偏倚

　　在从研究对象获取所需信息时产生的偏倚。

　　(1)、回忆偏倚：由于研究对象不能准确、完整地回忆以往发生的事情和经历时所产生的差异。

　　(2)、调查偏倚

　　3、混杂偏倚：在研究某因素与某疾病关联时，由于一个或多个混杂因素的影响，掩盖或扩大了所研究的因素与疾病的联系，从而错误地估计了二者之间的真正联系。

　　控制方法：

　　设计阶段：限制的方法、配比的方法

　　资料分析阶段：分层分析、多因素分析模型